Background

Substantial reductions in adult mortality have been observed in South Africa since the mid-2000s, but there has been no formal evaluation of how much of this decline is attributable to the scale-up of antiretroviral treatment (ART), as previous models have not been calibrated to vital registration data. We developed a deterministic mathematical model to simulate the mortality trends that would have been expected in the absence of ART, and with earlier introduction of ART.

Methods and findings

Model estimates of mortality rates in ART patients were obtained from the International Epidemiology Databases to Evaluate AIDS–Southern Africa (IeDEA-SA) collaboration. The model was calibrated to HIV prevalence data (1997–2013) and mortality data from the South African vital registration system (1997–2014), using a Bayesian approach. In the 1985–2014 period, 2.70 million adult HIV-related deaths occurred in South Africa. Adult HIV deaths peaked at 231,000 per annum in 2006 and declined to 95,000 in 2014, a reduction of 74.7% (95% CI: 73.3%–76.1%) compared to the scenario without ART. However, HIV mortality in 2014 was estimated to be 69% (95% CI: 46%–97%) higher in 2014 (161,000) if the model was calibrated only to HIV prevalence data. In the 2000–2014 period, the South African ART programme is estimated to have reduced the cumulative number of HIV deaths in adults by 1.72 million (95% CI: 1.58 million–1.84 million) and to have saved 6.15 million life years in adults (95% CI: 5.52 million–6.69 million). This compares with a potential saving of 8.80 million (95% CI: 7.90 million–9.59 million) life years that might have been achieved if South Africa had moved swiftly to implement WHO guidelines (2004–2013) and had achieved high levels of ART uptake in HIV-diagnosed individuals from 2004 onwards. The model is limited by its reliance on all-cause mortality data, given the lack of reliable cause-of-death reporting, and also does not allow for changes over time in tuberculosis control programmes and ART effectiveness.

Conclusions

ART has had a dramatic impact on adult mortality in South Africa, but delays in the rollout of ART, especially in the early stages of the ART programme, have contributed to substantial loss of life. This is the first study to our knowledge to calibrate a model of ART impact to population-level recorded death data in Africa; models that are not calibrated to population-level death data may overestimate HIV-related mortality.

中文翻译：

---

估算抗逆转录病毒治疗对南非成人死亡率趋势的影响：数学模型研究

背景

自2000年代中期以来，南非的成年人死亡率已大幅度下降，但由于以前的模型尚未被采用，因此尚未正式评估这种下降的多少可归因于抗逆转录病毒治疗（ART）的扩大已根据重要注册数据进行了校准。我们开发了确定性数学模型来模拟在没有ART和早期引入ART的情况下预期的死亡率趋势。

方法和发现

可从国际流行病学数据库中评估ART患者的死亡率的模型估计值，以评估艾滋病与南部非洲（IeDEA-SA）的合作。该模型使用贝叶斯方法，根据艾滋病毒流行率数据（1997-2013年）和来自南非生命登记系统的死亡率数据（1997-2014年）进行了校准。在1985-2014年期间，南非发生了270万例与艾滋病毒相关的成人死亡。与没有抗病毒治疗的情况相比，成人艾滋病毒的死亡人数在2006年达到每年231,000人的峰值，而在2014年降至95,000人，减少了74.7％（95％CI：73.3％–76.1％）。但是，如果仅根据HIV流行率数据对模型进行校正，则2014年的HIV死亡率估计将在2014年（161,000）增加69％（95％CI：46％–97％）。在2000-2014年期间，据估计，南非ART计划已使成年人的艾滋病毒累积死亡人数减少了172万人（95％可信区间：158万至184万），并挽救了615万成年人的生命年（95％可信区间：552万– 669万）。相比之下，如果南非迅速采取行动实施WHO指南（2004-2013年）并实现高水平的ART吸收，则可能节省880万个生命年（95％CI：790万-959万）。从2004年开始在艾滋病毒感染者中进行检测。由于缺乏可靠的死亡原因报告，该模型受限于全因死亡率数据，并且该模型也不允许结核病控制计划和抗逆转录病毒疗法的有效性随时间发生变化。成人有1500万个生命年（95％CI：552万–669万）。相比之下，如果南非迅速采取行动实施WHO指南（2004-2013年）并实现高水平的ART吸收，则可能节省880万个生命年（95％CI：790万-959万）。从2004年开始在艾滋病毒感染者中进行检测。由于缺乏可靠的死亡原因报告，该模型受限于全因死亡率数据，并且该模型也不允许结核病控制计划和抗逆转录病毒疗法的有效性随时间发生变化。成人有1500万个生命年（95％CI：552万–669万）。相比之下，如果南非迅速采取行动实施WHO指南（2004-2013年）并实现高水平的ART吸收，则可能节省880万个生命年（95％CI：790万-959万）。从2004年开始在艾滋病毒感染者中进行检测。由于缺乏可靠的死亡原因报告，该模型受限于全因死亡率数据，并且该模型也不允许结核病控制计划和抗逆转录病毒疗法的有效性随时间发生变化。如果南非迅速采取行动以实施WHO准则（2004-2013年），并且从2004年开始在被HIV确诊的人群中获得较高水平的ART吸收，则可以实现5900万个生命年。由于缺乏可靠的死亡原因报告，该模型受限于全因死亡率数据，并且该模型也不允许结核病控制计划和抗逆转录病毒疗法的有效性随时间发生变化。如果南非迅速采取行动以实施WHO准则（2004-2013年），并且从2004年开始在被HIV确诊的人群中获得较高水平的ART吸收，则可以实现5900万个生命年。由于缺乏可靠的死亡原因报告，该模型受限于全因死亡率数据，并且该模型也不允许结核病控制计划和抗逆转录病毒疗法的有效性随时间发生变化。

结论

在南非，抗逆转录病毒疗法对成人死亡率产生了巨大影响，但是抗逆转录病毒疗法推出的延误，特别是在抗逆转录病毒疗法计划的早期阶段，造成了严重的生命损失。这是我们所知的第一项研究，旨在校准抗逆转录病毒疗法对非洲人口水平记录的死亡数据的影响模型；未针对人群死亡数据进行校准的模型可能会高估与HIV相关的死亡率。